意图引导对比聚类轨迹预测框架
人工智能
2025-03-10 v1 机器人学
摘要
精准预测道路主体（如行人、车辆）的轨迹是众多智能系统应用（如自动驾驶、机器人导航）的关键前提。近期研究突出环境上下文（如地图）和轨迹的“多模态”重要性，导致模型结构日益复杂。然而，实际部署要求轻量级模型能够快速迁移和适应新环境。此外，道路主体的核心动机，即其意图，值得进一步探索。本研究主张理解和推理道路主体的意图在轨迹预测任务中发挥关键作用，主要挑战在于意图概念模糊且抽象。为此，我们提出了一种基于对比聚类实现意图引导的轨迹预测模型INTENT，仅依赖道路主体轨迹中的信息。INTENT模型区别于现有模型主要体现在以下几个方面：（i）我们通过对比聚类显式建模道路主体的意图，容纳人类意图在轨迹中的模糊性和抽象性。（ii）提出的INTENT仅基于多层感知器（MLP），实现训练和推理时间的减少，高效且更适合实际部署。（iii）利用估计的意图和一种创新的将轨迹观察转换为生成方法，我们获得更稳健的轨迹表征，从而实现更高的预测准确率。在真实世界的行人和自动驾驶车辆轨迹数据集上进行的大量实验表明，INTENT的有效性和效率。
引用
@article{arxiv.2503.04952,
title = {INTENT: Trajectory Prediction Framework with Intention-Guided Contrastive Clustering},
author = {Yihong Tang and Wei Ma},
journal= {arXiv preprint arXiv:2503.04952},
year = {2025}
}